Репозиторий для изучения OPD/OPSD и сравнения с GRPO на потребительской GPU

Пользователь ищет GitHub-репозитории или SLM с данными для самостоятельного изучения алгоритмов On Policy Distillation (OPD/OPSD) и их сравнения с GRPO. Запрос сфокусирован на запуске экспериментов на потребительских видеокартах (RTX 4090/5090), что актуально для разработчиков без доступа к мощным кластерам.